Het operationele brein:een nieuw paradigma voor intelligent databeheer in het industriële IoT

Het Industrial Internet of Thing (IIoT) belooft organisaties in staat te stellen steeds grotere hoeveelheden machine- en sensorgegevens in te zetten om talloze productieprocessen te optimaliseren, de beveiliging te verbeteren en de werknemerservaring te verbeteren (of die werknemer nu op de fabrieksvloer of op kantoor is) ).

Industriële bedrijven, zegt Christian Lutz, CEO, Crate.io , ontdekken dat oude paradigma's van gegevensverwerking hun teams niet helpen de snelheid van gegevens bij te houden, niet overeenkomen met nieuwe analytische algoritmen en, misschien wel het belangrijkste, niet de concurrerende behoefte aan realtime gegevensquery's mogelijk maken .

Een benadering om dit probleem op te lossen is het combineren van moderne gedistribueerde (open source) database-architecturen met Machine Learning/Artificial Intelligence en IIoT-netwerken. Samen vormen deze technologieën een vrij nieuw paradigma voor gegevensbeheer - wat ik het operationele brein zou noemen - dat verder gaat dan de traditionele noties van databases en de toenemende gegevensproblemen oplost die acuut zijn voor industriële en productiebedrijven.

Het operationele brein definiëren

Traditionele relationele databases (zoals Microsoft, SQL-server en Oracle ) zijn doorgaans technisch niet in staat om de enorme hoeveelheid gegevens te verwerken die moeten worden verwerkt om IIoT-toepassingen succesvol te laten zijn. Deze databases zijn echt niet ontworpen om het soort ruggengraat te creëren dat nodig is om slimme fabrieken, slimme steden of voertuigen zonder bestuurder te ontwikkelen; use cases zoals deze vragen om een ​​snellere en intelligentere gegevensverwerking. Een uitgebreide databasebeheerstrategie wordt uiteindelijk afgemeten aan de toegevoegde bedrijfswaarde van het gebruik ervan, niet aan de hoeveelheid geheugen of de snelheid van de harde schijf.

Ik noem dit type uitgebreid IIoT-gegevensbeheer 'het operationele brein'. De hersenen zijn het orgaan dat op basis van deze gegevens kan ontvangen, structureren en beslissingen kan nemen. Het datamanagementsysteem van de toekomst zal steevast functioneren als ons centrale zenuwstelsel, rechtstreeks verbinding maken met zintuiglijke indrukken en kunstmatige intelligentie gebruiken om systemen in realtime te monitoren, voorspellen en controleren.

Data-acquisitie en verrijking

De moderne, genetwerkte fabriek bevat een breed scala aan machines van verschillende fabrikanten. De uitdaging is dus om ongelijke datastructuren vast te leggen, in de cloud te analyseren en daaruit acties af te leiden. Moderne datamanagementsystemen beginnen hier al. Dit vereenvoudigt de implementatie en vermindert het foutenpercentage, aangezien de machine en de database niet communiceren via een derde instantie.

Zonder context zijn de verzamelde gegevens nutteloos voor verdere verwerking. Een geregistreerde waarde is in eerste instantie slechts een getal:108. Is dat een temperatuur? Zo ja, is het Celsius of Fahrenheit? Is het een producttelling? Zo ja, wanneer is de teller op nul gezet en wat telt deze eigenlijk? Gegevens moeten worden verrijkt om zinvol te zijn. Deze verrijking vereist drie componenten:een database, een runtime die bepaalde regels uitvoert en kennis over de betekenis van de gegevens.

Het operationele brein combineert al deze noodzakelijke stappen in één model. Het bespaart industriële organisaties het schrijven van algoritmen om de data beschikbaar te stellen voor verdere verwerking. In plaats daarvan kunnen regels worden opgesteld om de stroom van verwerkte informatie te interpreteren. Het operationele brein is in wezen de machine die verantwoordelijk is voor het uitvoeren van regels die processen automatiseren, waardoor de algehele effectiviteit van apparatuur (OEE) in fabrieken wordt verbeterd. Het maakt gebruik van realtime gegevensverzameling van mogelijk tienduizenden sensoren op apparatuur die is ingezet in honderden of duizenden productlijnen, in een of meer verbonden en afgelegen fabrieken.

De gecentraliseerde "mission control" van het operationele brein verwerkt en analyseert sensorgegevens en geeft vervolgens voorspellende waarschuwingen over relevant onderhoud dat nodig is op de fabrieksvloer, zoals een werknemer informeren dat een bepaalde machine elke X uur moet worden schoongemaakt, of een technicus waarschuwen over een foutenpercentage in het productieproces. Kortom, de informatie die het biedt is veel efficiënter dan alles wat mogelijk is met visuele inspecties.

De waarde van datagestuurde automatisering

Intelligent datamanagement is veel meer dan alleen een database. Het beschrijft een uitgebreid proces, van snelle acquisitie tot intelligent ophalen van gegevens. Gegevensgestuurde automatisering wordt de sleutel tot succes van IIoT-projecten. Het stelt faciliteiten zoals slimme fabrieken in staat om realtime gegevensanalyse mogelijk te maken, een consistente uptime te behouden, snelle ontwikkeling en time-to-value te garanderen en lage IT-bedrijfskosten voor hosting, integratie en beheer te garanderen.

Neem bijvoorbeeld ALPLA – een fabrikant van plastic verpakkingen voor merken als Coca-Cola en Unilever . Het bedrijf heeft een operationeel brein in gebruik om zijn OEE te optimaliseren. Gegevens verzameld van tienduizenden sensoren op 900 verschillende fabrieksspecifieke sensortypes zijn verrijkt. Het informeert vervolgens de cloud voor geautomatiseerde verwerking, en ook een centrale controlekamer - die op zijn beurt de fabrieksprestaties in verbonden (maar afgelegen) fabrieken bewaakt. Op basis van deze inzichten is ALPLA in staat om trends in een eerder stadium te identificeren en kunnen de machineoperators worden begeleid naar noodzakelijke aanpassingen, inclusief predicatie use cases.

Met visuele inspectiesystemen in bijna elke productielijn in hun fabrieken, is het een uitdaging - zo niet onmogelijk - om personeel op de productievloer te hebben om op veranderingen te reageren. De operationele hersenstrategie zorgt voor realtime verzameling en analyse van sensorgegevens, waardoor werknemers naar kritieke plekken worden geleid (en resulterend in lagere uitvalpercentages en betere efficiëntie).

De overgang is symbolisch voor de bredere verschuiving van het IIoT, naarmate het volwassener wordt:het verzamelen van gegevens is niet genoeg. Het operationele brein – of hoe je het ook noemt – wordt een IIoT-voorwaarde om bij te blijven.

De auteur is Christian Lutz, CEO bij Crate.io , ontwikkelaars van het CrateDB open source realtime SQL DBMS en het Crate.io Machine Data Platform.